申请/专利权人：沈阳工业大学

申请日：2023-10-31

公开（公告）日：2024-01-30

公开（公告）号：CN117471252A

主分类号：G01R31/12

分类号：G01R31/12;G06F18/15;G06F18/2131;G06F18/2135;G06F18/24

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.20#实质审查的生效;2024.01.30#公开

摘要：本发明涉及直流故障诊断领域，尤其涉及一种基于ICEEMDAN‑KPCA特征提取与SOA‑KELM的直流故障电弧诊断方法。其通过构建直流故障电弧检测模型，分析了实际应用场景下引起的直流故障电弧特征差异，进行直流故障电弧诊断。1模拟实际应用场景下低压直流线路的电弧故障，提取低压直流线路的电流信号；2构建基于改进自适应噪声的完全集合经验模态分解ICEEMDAN分解方法，得到包含故障特征信息的固有模态分量IMF；3进行相关性分析；4使用小波软阈值进行去噪；5对故障特征进行提取；6提取数据的非线性特征主元；7构建直流故障电弧的KELM核极限学习机的检测模型；8对KELM检测模型进行训练；9进行优化；10构建直流故障电弧检测模型。

主权项：1.基于ICEEMDAN-KPCA特征提取与SOA-KELM的直流故障电弧诊断方法，其特征在于：1模拟实际应用场景下低压直流线路的电弧故障，提取低压直流线路的电流信号；2构建基于改进自适应噪声的完全集合经验模态分解ICEEMDAN分解方法，对电弧信号进行数据分解与过滤，得到包含故障特征信息的固有模态分量IMF；3分别计算IMF与原信号之间的相关系数和方差贡献率，对其进行相关性分析；4将相关性高的信号作为目标信号，并使用小波软阈值进行去噪；5对故障特征进行提取，分别计算时域统计特征、频域统计特征，同时计算各IMF分量的功率熵，构建多域高维故障特征集；6基于KPCA将故障样本数据映射到高维空间，消除空间相关性与因辐照度温度对不同故障特征产生的冗余数据，进而提取数据的非线性特征主元，并将采集数据分为训练数据集和测试数据集；7构建直流故障电弧的KELM核极限学习机的检测模型；8对KELM检测模型进行训练；9通过SOA海鸥优化算法对KELM检测模型参数进行优化；10构建基于海鸥优化算法的KELM直流故障电弧检测模型；11对故障模型进行评价。

全文数据：

权利要求：

百度查询： 沈阳工业大学 基于ICEEMDAN-KPCA特征提取与SOA-KELM的直流故障电弧诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD